المؤلف: CloudY، جام

المحرر: فينسيرو، YL

المراجع: ياسمين

في أواخر نوفمبر 2022، أطلقت OpenAI ChatGPT، نظام محادثة ذكي، مما جذب انتباه العالم وحفز نقاشات واسعة.

شهدت الأسهم في قطاع الذكاء الاصطناعي زيادة ملحوظة في سوق الأسهم A، وسوق الأسهم الأمريكية، ومجال العملات المشفرة. مع اكتساب ChatGPT انتشاراً واسعاً، أصبح تأثيره العميق على المشهد العالمي واضحاً، مما أدى إلى ظهور سيناريوهات تطبيق جديدة ومنتجات متكررة من طبيعة مماثلة.

حتى استحواذ مايكروسوفت على OpenAI ودمج ChatGPT لاحقاً في نظامي Bing وOffice، ولّد توقعات استثمارية مرتفعة انعكست في ارتفاع كبير بسعر السهم. ومع ذلك، فإن طرح ChatGPT4، الذي يُظهر قدرات ذكاء اصطناعي تفوق قدرات البشر، خفّف من الحماس الأولي ودفع الأفراد للتفكير في الآثار التحويلية للذكاء الاصطناعي على صناعاتهم، والمخاطر المحتملة المرتبطة بتقدم الذكاء الاصطناعي مستقبلاً.

وبناءً على هذا السياق، تهدف هذه المقالة إلى استكشاف ومعالجة هذه الاستفسارات من خلال إجراء بحث شامل في صناعتَي الذكاء الاصطناعي وسلسلة الكتل، ساعيةً إلى تقديم رؤى وحلول.

الحالة الحالية لتطور صناعة الذكاء الاصطناعي

أدوات الإنتاجية

يمكن اعتبار الذكاء الاصطناعي أداة إنتاجية تحولية، على غرار تأثير التطورات التكنولوجية التاريخية مثل أدوات الحجر، والمحركات البخارية، ومحركات الاحتراق الداخلي، والمحركات الكهربائية، وأجهزة الكمبيوتر، والإنترنت على المجتمع البشري. ومن خلال تقليل عوائق التفاعل بين الإنسان والكمبيوتر وزيادة كفاءة مهام الإنتاج المتكررة، يمكن للذكاء الاصطناعي أن يحدث تحولات كبيرة في الإنتاجية وعلاقات الإنتاج. ونتيجة لذلك، يمتد تأثير الذكاء الاصطناعي إلى تحسين الجودة العامة للحياة البشرية والتخفيف من العوائق التي تعترض تقدم الإنسان.

أثرّت تقنية الذكاء الاصطناعي بشكل كبير على قطاعات متنوعة، بما في ذلك التصنيع الذكي والرعاية الصحية والتمويل والنقل والتعليم وغيرها. ومن خلال تمكين الآلات من اكتساب المعرفة وتنفيذ مهام غير إبداعية بشكل مستقل، يساهم الذكاء الاصطناعي في تعزيز الإنتاجية وتقليل التكاليف في صناعات محددة. وعلى وجه الخصوص، يجد الذكاء الاصطناعي تطبيقاً في أبحاث الأدوية، إذ يُستخدم في التنبؤ ببنية البروتين. وقد طورت نموذج ESMFold فرقـة Meta AI، وتمكن من التنبؤ ببُنى البروتينات بدقة اعتماداً على مجموعة بيانات ضخمة تضم أكثر من 600 مليون من الجينومات الميكروية (macro genomes). ويكشف هذا الإنجاز الرائع عن اتساع نطاق وتنوع البروتينات الطبيعية، متجاوزاً الحدود السابقة لما كان يُتصور.

من الناحية العملية، تتيح تقنية الذكاء الاصطناعي معالجة البرامج المعقدة من خلال اللغة الطبيعية. فهي تلغي الحاجة إلى فهم البرمجة التفصيلية أو امتلاك مهارات الترميز. بدلاً من ذلك، يمكن للمستخدمين التعبير عن النتيجة التي يريدونها لنظام الذكاء الاصطناعي، والذي ينفذ تلقائياً الخطوات الوسيطة المطلوبة لتحقيق النتيجة المقصودة. ينبع هذا التعزيز في الإنتاجية من قدرة الذكاء الاصطناعي على سد الفجوة بين نوايا البشر وتنفيذ المهام، دون الحاجة إلى خبرة برمجية واسعة أو فهم الخوارزميات المعقدة.

تتمتع تقنية AIGC بإمكانات هائلة لتطبيقات في مجالات متنوعة، بما في ذلك خدمة العملاء الذكية والوكلاء الافتراضيين والألعاب. ومن خلال الاستفادة من مجموعات بيانات اللغة القائمة، يتيح ChatGPT تجربة محادثة سلسة وطبيعية في أنظمة الوكلاء الافتراضيين ومنصات الألعاب، مما يعزز رضا المستخدمين وقدرة المنتج التنافسية. بالإضافة إلى ذلك، يُمكن لـ ChatGPT أن يحل محل البشر في مهام توليد المحتوى المتكررة مثل إعداد التقارير، وجمع المعلومات وتلخيصها، والترجمة، وإنتاج الرسوم التوضيحية الشرطية. يحرر هذا التعزيز بالذكاء الاصطناعي إنتاجية البشر، ويسمح للأفراد بالتركيز على تقديم التعليمات الأساسية والانخراط في الأنشطة الإبداعية، مع إعفائهم من تنفيذ المهام الرتيبة.

دليل اتجاهات التكنولوجيا

تشمل التطبيقات الأساسية السائدة للذكاء الاصطناعي: الذكاء الاصطناعي العام، ورسوم/مخططات المعرفة (Knowledge Graphs)، وتحليل البيانات وتوليفها، والقيادة الذاتية، والمحتوى المُولَّد بالذكاء الاصطناعي (AIGC).

• مخططات المعرفة: تمثيلات رسومية لكائنات وعلاقات وسمات متنوعة في مخططات المعرفة تدعم البحث الذكي والتوصية وتطبيقات الإجابة عن الأسئلة.

• البيانات الاصطناعية: يتم توليد البيانات عبر التعلم الآلي وتقنيات ذكاء اصطناعي أخرى، وتُستخدم البيانات الاصطناعية لتدريب نماذج الذكاء الاصطناعي وتقييمها، مع تجاوز تحديات الخصوصية والأمان عند الحصول على البيانات الحقيقية أو مشاركتها.

• AIGC: تُعد تقنية AIGC، التي تستخدم التعلم العميق والنماذج التوليدية، موضوعاً واسع النقاش ومطبقة في مجالات مثل توليد النصوص وتوليد الصوت وتوليد الصور وتوليد الفيديو وغيرها.

في عام 2022، حقق AIGC اختراقاً كبيراً في التمويل بالأسواق وجذب انتباهاً إعلامياً كبيراً. ومع ذلك، من الضروري ملاحظة أن AIGC ما يزال تقنية ناشئة، ويقع في المراحل المبكرة من الاستكشاف والتطوير.

على وجه التحديد، يمكن تصنيف مراحل تطوير AIGC على النحو التالي:

• مرحلة البحث: تركز هذه المرحلة بشكل أساسي على توضيح المبادئ والخوارزميات الأساسية لـ AIGC، واستكشاف منهجيات تدريب النماذج وتحسينها، وإنشاء قواعد بيانات شاملة.

• مرحلة التطبيق: تبدأ AIGC بالانتشار في سيناريوهات واقعية متنوعة، مع استكشاف التكامل الفعّال لتقنية AIGC في مجالات محددة.

• مرحلة التصنيع/التصنّع: يتم اعتماد AIGC على نطاق واسع عبر عدة صناعات ومجالات، ما يؤدي إلى ظهور سلسلة التوريد الخاصة بها والنظام البيئي التكميلي.

باختصار، انتقلنا مؤخراً من مرحلة البحث إلى مرحلة التطبيق، ما يشير إلى أن تطوير AIGC ما يزال في مراحله المبكرة.

المكونات الرئيسية

تُعد البيانات والخوارزميات وقدرة الحوسبة ثلاثة عوامل محورية تدفع تقدم الذكاء الاصطناعي.

في مجال البيانات، ترافق مع التطور المستمر لتكنولوجيا الذكاء الاصطناعي أهمية متزايدة لجودة البيانات وتنوعها. بالإضافة إلى توفر كمّ كبير من البيانات الخاصة بالمجال، تُعد عمليات تنظيف البيانات الفعالة والمعالجة المُسبقة ووضع الوسوم أمراً ضرورياً لتحسين دقة تدريب الخوارزميات. علاوة على ذلك، يُعد دمج البيانات عبر الأنماط (cross-modal) وعبر المجالات (cross-domain) محورياً لاستخراج قيمة وذكاء معززين.

فيما يتعلق بالخوارزميات، يُظهر الوضع الحالي لتكنولوجيا الذكاء الاصطناعي تطورات تكرارية وتحسيناً مستمراً. تتمحور الاتجاهات المستقبلية حول خوارزميات التعلم العميق التي تشمل نماذج متعددة الوسائط وعلى نطاق واسع، إلى جانب الابتكارات في التعلم الذاتي ونقل المعرفة والتعلم التزايدي. سترفع هذه التطورات مستوى ذكاء خوارزميات الذكاء الاصطناعي وتوسع نطاق تطبيقها، مما يسهّل الانتشار الواسع لتقنية الذكاء الاصطناعي.

فيما يتعلق بقدرة الحوسبة، فإن تسريع وتحسين عمليات حسابات الذكاء الاصطناعي يدفعان الترقيات والتحسينات المستمرة في العتاد. وقد ظهرت رقاقات متخصصة مثل GPUs وTPUs كمساهمات حاسمة، ما يعزز كفاءة وسرعة حسابات الذكاء الاصطناعي بشكل كبير. بالإضافة إلى ذلك، توفر تطورات الحوسبة السحابية والحوسبة على الحافة بيئات حوسبية أكثر مرونة وتنوعاً لمعالجة الذكاء الاصطناعي.

المرحلة الحالية لصناعة سلسلة الكتل

سجلّ موزع

سلسلة الكتل هي سجل موزع لامركزي.

سلسلة الكتل هي سجلّ موزع لامركزي يتميز بميزة عدم القابلية للتغيير (immutability) الجوهرية المستمدة من آلية الإجماع الأساسية. تُسجَّل بيانات السلسلة على شكل كتل (blocks) ويتم التحقق منها بواسطة القائمين بالتعدين/التحقق (miners/validators)، لتشكل سلسلة متواصلة. وبمجرد تسجيل البيانات في كتلة، سواء كانت ناتجة عن عقود ذكية أو حسابات، تصبح غير قابلة للتغيير.

تزداد صعوبة وتكلفة تعطيل الإجماع مع عدد العقد، والتوزيع الجغرافي، وقدرات الحوسبة، أو قيمة الرموز المُرهَنة. ونتيجة لذلك، يصبح تغيير المحتوى المُسجّل مهمة شاقة للجهات المركزية.

علاوة على ذلك، في بيئة لا يمكن تغييرها، تُمكّن العقود الذكية، التي يتم بناؤها عبر الكود، المستخدمين من التفاعل معها دون الاعتماد على أي طرف ثالث للثقة. تُنفّذ هذه العقود الذكية مسارات كود محددة سلفاً لتسهيل العمليات ذات الصلة، ما يؤدي في النهاية إلى تحقيق معاملات بلا ثقة على سلسلة الكتل.

علاوة على ذلك، لا يمكن الوصول إلى الأصول داخل العقد الذكي إلا من خلال الحساب المرتبط، ما يمنع الحسابات الأخرى من تحويل الأصول من الحساب الأصلي عبر العقد الذكي. تتطلب كل عملية من الحساب الأصلي توقيعاً للتأكد من الهوية، وحتى تفاعل التحويل الأولي يتطلب موافقة سابقة (Approve) للعقد الذكي للوصول إلى أصول الحساب. يضع هذا التصميم حساب المحفظة الخاص بالمستخدم كوسيلة مثالية لهويته (DID) وأصوله.

ضمن إطار آليات الإجماع والعقود الذكية، يمكن تسجيل جميع الأصول والأفعال على السلسلة بدقة وإسنادها بشكل صحيح، ما يسهل التجميع التلقائي للفوائد المرتبطة إلى حساب المالك المستحق. وهذا يحل فعلياً مشكلتي الأصول المقلدة وانتحال الهوية، لأنه يمنع الأشخاص غير المصرح لهم من نسخ ولصق الأصول للسرقة أو الاستيلاء على مصالح المالك الشرعي.

بشكل محدد، يمكن تعريف الأصول الرقمية بشكل فريد باستخدام عناوين العقود الذكية المُرمّزة (tokenized). على سبيل المثال، يمكن للرموز غير القابلة للاستبدال (NFTs) أن تمثل الأعمال الفنية الرقمية. بالإضافة إلى ذلك، يمكن مصادقة أفعال الأفراد باستخدام الرموز غير القابلة للتحويل (SBTs)، ما يوفر دليلاً على عملهم أو حضورهم في زمان ومكان محددين (Proof of Work/Proof of Attendance).

دليل اتجاهات التكنولوجيا

تتميز البنية الطبقية لمعمارية تقنية سلسلة الكتل بأنها تتألف من المستوى 0-2، حيث تمثل سلاسل الكونسورتيوم والسلاسل الخاصة أنواعاً مميزة من سيناريوهات تطبيق سلسلة الكتل.

• يشير المستوى الصفري (Layer 0) إلى البنية التحتية المادية ومعمارية الشبكة في سلسلة الكتل، بما في ذلك أجهزة العتاد، وبروتوكولات الشبكة، ووسائط الإرسال. ويعمل كمكوّن أساسي يتيح التواصل عبر السلاسل (cross-chain) ومعالجة المشكلات المرتبطة بالأصول. ومن الجدير بالذكر أن تقنيات رائدة مثل Cosmos وPolkadot وLayerZero تُعد أمثلة بارزة في هذا المجال.

• يؤدي المستوى الأول (Layer 1)، المعروف أيضاً بطبقة الأساس أو السلسلة العامة، دوراً أساسياً في منظومة سلسلة الكتل. ومن الأمثلة البارزة على المستوى الأول منصات معروفة على نطاق واسع مثل Bitcoin وEthereum. ويؤثر تصميم البروتوكولات والتنفيذ التقني على المستوى الأول بشكل كبير في الأداء والوظائف الأساسية لنظام سلسلة الكتل. علاوة على ذلك، يمكن تصنيف المستوى الأول إلى أنواع مختلفة، مثل أنظمة EVM (آلة Ethereum الافتراضية) وأنظمة غير EVM، بناءً على خصائصها المحددة.

• يشير المستوى الثاني (Layer 2) إلى البروتوكولات والحلول المبنية فوق المستوى الأول، بهدف تعزيز الأداء وتوسيع سيناريوهات تطبيق سلسلة الكتل. حالياً توجد ستة أنواع من بروتوكولات المستوى الثاني، بينما تُعد ZK Rollup وOptimistic Rollup من الأنواع السائدة. تُمكّن هذه البروتوكولات سلسلة الكتل من معالجة عدد أكبر من المعاملات، وتحسين TPS، وتقليل رسوم الغاز.

• تُعد سلسلة الكونسورتيوم (Consortium Chain) شبكة بلوكشين تعاونية تُدار من قِبل عدة منظمات أو مؤسسات لديها مصالح مشتركة، مثل البنوك وشركات التأمين وشركات سلسلة التوريد. وتختلف عن السلاسل العامة لأن لديها عدداً محدوداً من المشاركين والعُقد، ما يؤدي إلى سرعة معاملات أعلى وأمان أكبر.

• تُعد السلسلة الخاصة (Private Chain) شبكة بلوكشين مُصرّحاً بها تابعة لمنظمة أو مؤسسة واحدة، وعادةً ما تسمح فقط للموظفين الداخليين بالمشاركة.



المكونات الرئيسية

تُعد العُقد الموزعة والتشفير وخوارزميات الإجماع والعقود الذكية والعملات المشفرة المكونات الأساسية التي تدفع تطور تقنية سلسلة الكتل.

تشكل العُقد الموزعة الجوهر الأساسي لتقنية سلسلة الكتل، ما يتيح تخزين البيانات وإرسالها بشكل لا مركزي. ويُعد التشفير أداة نظرية أساسية، يضمن أمن وخصوصية سلسلة الكتل. علاوة على ذلك، تلعب خوارزميات الإجماع دوراً محورياً في إنشاء إجماع موزع داخل شبكة سلسلة الكتل. وتتيح العقود الذكية، باعتبارها برامج كمبيوتر تُنفّذ ذاتياً، تنفيذ تعليمات منطقية متنوعة على سلسلة الكتل. أخيراً، تضمن العملات المشفرة، بفضل تقنيات التشفير، أمن المعاملات وإخفاء هوية المتعاملين.

من خلال الاستفادة من العُقد الموزعة، يتمكن جميع المشاركين من الحفاظ على نسخة شاملة من البيانات، وبالتالي ضمان كل من الشفافية والأمان. تُعد التقنيات الأساسية ضمن سلسلة الكتل، بما في ذلك دوال التجزئة (hash functions) والتواقيع الرقمية والتشفير غير المتماثل، تطبيقات تشفيرية. تؤدي هذه التقنيات دوراً حاسماً في حماية سلامة البيانات والتحقق من الهويات، مع الحفاظ على خصوصية المستخدمين أيضاً.

من خلال تطبيق خوارزميات الإجماع بما في ذلك Proof of Work (PoW) وProof of Stake (PoS)، يمكن لجميع العُقد الوصول إلى اتفاق بالإجماع، مما يضمن اتساق البيانات وعدم قابليتها للتغيير. تسهّل العقود الذكية المعاملات بلا ثقة، مما يلغي الحاجة إلى الوسطاء وبالتالي يعزز كفاءة المعاملات وأمانها بدرجة معينة. وقد أدى ظهور العملات المشفرة مثل Bitcoin وEthereum إلى دفع الاعتماد الواسع وتقدم تقنية سلسلة الكتل.

تقاطع سلسلة الكتل والذكاء الاصطناعي

خضم ثورة الذكاء الاصطناعي، من الضروري التفكير في مدى ما قام به الذكاء الاصطناعي بتحويل سلسلة الكتل (Blockchain)، وكذلك تأثير لامركزية سلسلة الكتل وقدراتها على بناء الثقة في الذكاء الاصطناعي.

أولاً، يمتلك الذكاء الاصطناعي، بوصفه أداة إنتاجية، القدرة على تقليل العوائق التقنية، وبالتالي خفض الحواجز داخل صناعة سلسلة الكتل وتحسين كفاءتها الإجمالية.

ثانياً، ستتحرر الألعاب المعتمدة على الذكاء الاصطناعي والميتافيرسات من الإعدادات المحددة مسبقاً، لتفتح روايات وتجارب لعب جديدة داخل عالم سلسلة الكتل.

يمكن للعقود الذكية في سلسلة الكتل تحديد النطاقات والحدود التي يعمل ضمنها الذكاء الاصطناعي، أو فرض قيود على أذوناته، وبالتالي منع انتشاره غير المبرر.

علاوة على ذلك، يمكن لامركزية سلسلة الكتل أن تسهّل مشاركة وتوزيع الموارد، بما في ذلك البيانات الأساسية وقدرات الحوسبة الضرورية لتدريب نماذج الذكاء الاصطناعي.

علاوة على ذلك، يمكن لقدرات المصادقة في سلسلة الكتل أن تزود بأدلة حول سلامة البيانات، والتحقق من الهوية، وحقوق الملكية، وبالتالي تخفيف تضارب المصالح الذي قد ينشأ من تطبيقات الذكاء الاصطناعي.

أهمية الذكاء الاصطناعي لسلسلة الكتل

أولاً، بصفته أداة، يمتلك الذكاء الاصطناعي القدرة على تقليل عوائق إنشاء المحتوى، مما يسمح للأفراد دون خبرة تقنية بالاستفادة من إبداعهم وإنتاج محتوى عالي الجودة. ويشمل ذلك مجالات متنوعة مثل إنشاء NFTs وتطوير أصول الألعاب والنمذجة للميتافيرس وتوليد الكود.

ومع ذلك، فإن الاستخدام الحالي لـ AIGC في مجال الـ NFT يقتصر في الغالب على توليد صور بسيطة، دون وجود تمييز جوهري عن الفنون التوليدية التقليدية. للاستفادة الكاملة من إمكانات AIGC في مساحة الـ NFT، يلزم إجراء المزيد من الاستكشاف لتوسيع خصائص الـ NFTs، على غرار كيفية استخدام Mirror World للذكاء الاصطناعي لإضفاء جوهر مميز على الـ NFTs.

ثانياً، توجد خفض كبير في العوائق التقنية المرتبطة بتطوير البرمجيات (الكود). تشمل كتابة الكود نشر العقود الذكية والقرصنة أو الأنشطة ذات القبعات البيضاء (white-hat)، والتي تمثل طرفي الطيف المتعاكسين. يمكن للذكاء الاصطناعي تسهيل نشر العقود الذكية عبر البرمجة بلغة طبيعية، بينما يمكن للخصوم استخدام الذكاء الاصطناعي لتحليل كود العقود وإطلاق الهجمات. ومن خلال الاستفادة من الذكاء الاصطناعي، يصبح من الممكن تكرار تحسين كود العقود المنشورة، ما يؤدي إلى منافسة داخلية وإرساء قاعدة كود أكثر قوة وموثوقية على مستوى الصناعة. يتيح هذا الأساس لأصحاب المصلحة توجيه الأولوية إلى تحسين بنية سلسلة الكتل، وتصميم مشاريع شاملة، وتعزيز طريقة اللعب، وبالتالي تعزيز الابتكار على مستوى الأعمال.

وبالمثل، يتيح تبسيط العوائق التقنية بواسطة الذكاء الاصطناعي التطبيق الواسع لعمليات كانت معقدة سابقاً. ومن الأمثلة صفقات الاقتراض السريع (flash loans)، واستراتيجيات التعدين المثلى، والحصول التلقائي على العوائد (yield acquisition)، و"حكم" (Judgment) وقت خروج رئيس المنجم (Head Miner Exit Time)، وكلها يمكن تحقيقها بواسطة الذكاء الاصطناعي. يمتلك الذكاء الاصطناعي القدرة على البرمجة تلقائياً واختيار المسارات وتنفيذ هذه العمليات مباشرة. ويشبه ذلك استخدام بطاقات المهارات في لعبة Yu-Gi-Oh!، حيث تُفعِّل بطاقات المهارة تلقائياً وتعمل فوراً. إن هذا الإتاحة تمكّن المستخدمين العاديين من القيام بعمليات كانت تقتصر سابقاً على ذوي الخبرة التقنية العالية. فعلى سبيل المثال، عادة ما يتطلب التقاط MEV برمجة بوت MEV. لكن عندما تصبح هذه المهام ممكنة للأفراد العاديين، تنخفض هوامش الربح مع اتساع المشاركة. ونتيجة لذلك، تنشأ "منافسة على الغاز" (gas race)، حيث تُضعف رسوم الغاز المرتفعة قيمة MEV وفقاً لمبادئ نظرية الألعاب. وفي النهاية يؤدي ذلك إلى انخفاض الربحية وتراجع تأثير MEV. وتُعد هذه الظاهرة مثالاً على نوع من التطور التقني الذي يحفز تحسين الصناعة.

سيُسهل الذكاء الاصطناعي الانتشار الواسع لتقنية سلسلة الكتل. حالياً، يوجد أقل من 320,000 مستخدم نشط لإيثيريوم، وهو ما يمثل جزءاً صغيراً من إجمالي مستخدمي الإنترنت، وفقاً لبيانات Footprint Analytics. تكمن التحديات الأساسية في عدم وجود طلب كافٍ من المستخدمين وتعقيدات التفاعلات على السلسلة. في السابق، كان يتطلب دمج البيانات في سلسلة الكتل أو استخدام تذاكر واعتمادات مبنية على سلسلة الكتل إنشاء نظام سلسلة كتل أو دفع رسوم غاز مرتفعة، ما أدى إلى تكاليف كبيرة. ومع ذلك، فإن الاستفادة من تقنيات الذكاء الاصطناعي حالياً تسمح ببناء سلسلة كتل وتحسين استخدام البيانات على السلسلة بتكلفة منخفضة، ما يؤدي إلى تقليل رسوم الغاز. ونتيجة لذلك، يمكن تطبيق تقنية سلسلة الكتل ونشر العقود الذكية في مختلف المجالات التي تتطلب التوثيق والشفافية. في النهاية، سيجذب نظام تفاعل مبسط يقوده الذكاء الاصطناعي عدداً كبيراً من المستخدمين إلى صناعة سلسلة الكتل.

يقتصر تأثير الذكاء الاصطناعي في سياق سلسلة الكتل بشكل أساسي على طبقة التطبيق. يمكن للمستخدمين الاستفادة من الذكاء الاصطناعي لتجاوز تعقيدات كتابة العقود الذكية ونشر التطبيقات مباشرة وفقاً لاحتياجاتهم. ونتيجة لذلك، سيتحول تركيز تطوير المشروع من الإصدار إلى الابتكار والعمليات. من المتوقع أن تشهد طبقة التطبيق تغييرات تحويلية كبيرة في المستقبل. ومع ذلك، لا يمتد تأثير الذكاء الاصطناعي إلى الطبقات الأساسية، بما في ذلك طبقة التنفيذ وطبقة الإجماع وطبقة البيانات، والتي تتطلب تقدماً جوهرياً. إن مجرد أتمتة المهام المتكررة لا يكفي لإحداث تحولات نوعية في هذه المجالات. على سبيل المثال، عزز تنفيذ EIP1559 في تحديث Ethereum London من تقدم Ethereum، بينما يُعد إتمام تحديث Shanghai أمراً حاسماً لزيادة حجم رهن ETH، وتعزيز أمن Ethereum، وإحياء نمو قطاع LSD.

دور سلسلة الكتل في الذكاء الاصطناعي

إن التباين الفطري بين لامركزية سلسلة الكتل وتقنيات الذكاء الاصطناعي المركزية، على نحو متناقض، يوفّر فرصة لمعالجة التحديات التي تواجه الذكاء الاصطناعي.

تتمثل المركزية المهيمنة في تقنيات الذكاء الاصطناعي والبيانات الضخمة الحديثة تحت سيطرة عدد محدود من الكيانات القوية التي تمتلك قدرات وتقنيات وموارد كبيرة، ما يمنحها تأثيراً على اتجاهات السوق وسلوك المستخدمين. ونتيجة لذلك، يُضطر الأفراد إلى الوثوق بالتنفيذ الأمين لتعليمات الذكاء الاصطناعي، وهو ما يخلق مخاطر جوهرية مثل انتهاكات الخصوصية، والتحيزات الخوارزمية، وسوء استخدام البيانات.

إن الطبيعة الموزعة واللامركزية لسلسلة الكتل توفر حلاً عملياً لهذه التحديات. ومن خلال العقود الذكية، يمكن تقييد إتاحة البيانات وحدود العمليات، مما يخفف من خطر السلوك الخبيث. كما أن نشر عقد مراقبة يتيح معاقبة سوء السلوك عبر مصادرة موارد الحوسبة الخاصة بالذكاء الاصطناعي. يضمن هذا الإطار تركيز الذكاء الاصطناعي الموجه على تطوير البشر، ويمنع الاستخدام المفرط والإجراءات غير المصرح بها.

تمكّن سلسلة الكتل المستخدمين المجهولين من تحديد ما إذا كانوا سيساهمون بالبيانات الأساسية اللازمة لتدريب نماذج الذكاء الاصطناعي. تتيح تقنية المعرفة الصفرية (zk) كشف بيانات المستخدم مع الحفاظ على الخصوصية الشخصية. تعمل عملية جمع البيانات وتخزينها ومشاركتها بالكامل على عقد لامركزية، ما يضمن أمان البيانات وتوفرها والتحقق من مصدرها. ونتيجة لذلك، يمكن توزيع حصة من الأرباح الناتجة عن نموذج الذكاء الاصطناعي كأرباح/عوائد (dividends) لأصحاب البيانات. ويمكن لآلية حوافز مناسبة أن تستفيد من الطبيعة اللامركزية لسلسلة الكتل مع توفير مستوى عالٍ من أمان البيانات.

وبالمثل، يمكن للمستخدمين الذين يطلبون من نماذج الذكاء الاصطناعي أيضاً الحصول على أرباح جزئية بناءً على ملكيتهم للمطالبات (prompts) عند استخدامها. تعمل هذه الآلية على حماية مصالح كل من مالكي بيانات الذكاء الاصطناعي ومقدمي الـ prompts.

يُعد التعدين الحاسوبي (computational mining) اعتباراً حاسماً نظراً لمتطلبات البيانات الكبيرة وقدرة الحوسبة الكافية. ومع ذلك، فإن الإمداد العالمي الحالي من الموارد الحوسبية لا يواكب الطلب. ولحل ذلك، يمكن لمسابح تعدين الحوسبة السحابية اللامركزية تجميع الموارد وتقديم إعانات للمساهمين. بعد ذلك، يضمن طرح قدرة الحوسبة في مزادات لتدريب نماذج الذكاء الاصطناعي استخداماً كفؤاً للموارد المحدودة مع ضمان أمان الحوسبة وموثوقيتها. علاوة على ذلك، يتيح دمج البيانات والخوارزميات وقدرة الحوسبة تطوير بروتوكول "الذكاء الاصطناعي كخدمة" (AI-as-a-Service). وبالاستفادة من اللامركزية وإعادة الاستخدام، يقدم هذا البروتوكول خدمات بناء نماذج الذكاء الاصطناعي للمستخدمين المحتاجين، بما في ذلك الحصول على البيانات ومعالجتها واختيار الخوارزميات وتخصيص موارد الحوسبة. تقلل هذه المقاربة المبنية على النظام البيئي من مخاطر المركزية مع الحفاظ على فوائد سلسلة التوريد.

في مجال تطبيقات الذكاء الاصطناعي، تعالج سلسلة الكتل فعلياً مشكلات مثل القرصنة وانتحال الأعمال والهويات الافتراضية التي تنشأ من القدرات التعليمية المذهلة للذكاء الاصطناعي. ومن خلال تسجيل الأعمال الفنية على شكل NFTs على السلسلة، تتحقق عناوين العقود الذكية الفريدة من أصالتها. وبالإضافة إلى صفات الأعمال الفنية الفنية بطبيعتها، تعتمد قيمتها أيضاً على هوية منشئيها، تماماً كما أن نسخ "دوّرت" فان جوخ (Sunflower) لا تملك قيمة كبيرة. ويمكن لسلسلة الكتل أن تثبت أي لوحة "عبّاية عباد" (Sunflower) تم رسمها فعلاً بيد فان جوخ. كذلك يمكن استخدام سلسلة الكتل لبناء مخططات/رسوم معرفية موزعة، لضمان سلامة البيانات واستمراريتها وتوفرها.

لمعالجة بناء الهويات الافتراضية باستخدام البيانات الشخصية بواسطة الذكاء الاصطناعي، يمكن استخدام Owner Attested Tokens (OATs) أو Self-sovereign Biometric Tokens (SBTs). يتم تسجيل كل إجراء على سلسلة الكتل، ويتم إنشاء OAT أو SBT المقابل بشكل متميز، مما يمكّن من التحقق من الهوية استناداً إلى هذه الرموز. تضمن طبيعة سلسلة الكتل غير القابلة للتلاعب استحالة اختلاق أحداث غير موجودة.

باختصار، يؤدي الذكاء الاصطناعي دوراً كأداة إنتاجية، ويدفع اعتماد سلسلة الكتل ويقدم روايات جديدة للميتافيرس. غير أن الذكاء الاصطناعي يظل محدوداً في استبدال المهام المتكررة وتقليل العوائق التقنية، ولا يمكنه دفع الابتكار في التقنيات الأساسية. ونتيجة لذلك، يبقى تأثير الذكاء الاصطناعي في صناعة سلسلة الكتل محصوراً في طبقة التطبيق.

من ناحية أخرى، تعمل سلسلة الكتل كمنظِّم للمخاطر ومُحسّن للموارد في صناعة الذكاء الاصطناعي. فهي تحد من التطوير المفرط للذكاء الاصطناعي والعمليات غير المصرح بها، وتحمي حقوق ملكية البيانات والأصول، وتحسن دمج البيانات وقدرات الحوسبة المطلوبة بواسطة الذكاء الاصطناعي. ومع ذلك، يظل نطاقها مرتبطاً أساساً بتعزيز الشفافية واللامركزية وملكية البيانات ضمن الذكاء الاصطناعي.

مرجع

• [1]"Bitcoin: A Peer-to-Peer Electronic Cash System" لـ ساتوشي ناكاموتو (2009.03)

• [2]"Mastering Bitcoin" لـ أندرياس أنطوانوبولوس (2016.03)

• [3] "Challenges and Recent Advances in Blockchain-Based Payment Channel Networks" (2021.07)

• [4] "Beyond Web3: The Fantastic Drift of AIGC, the New Darling of Capital" لـ 0xmin (2022.10)

• [5] "The Dilemma of AIGC and the Way to Break Barriers in Web3" لـ wheart.eth (2022.11)

• [6] "AIGC: The Revolution of Content Productivity" لـ يانغ رينوين (2022.12)

• [7] "Emergence and Evolutionary Information of Large Language Models: Accelerating Protein Structure Prediction" لـ Zeming Lin (2023.03)

• [8] "How AI Can Help Build Web3" عن crypto.com (2023.03)

• [9] "Reflections: The Impact of AI Breakthroughs on Creators and NFTs" لـ Sleepy (2023.04)

• [10] "Ethereum White Paper" لـ فيتاليك بوتيرين (2023.05)

#OpenAI #chatGPT-4 #crypto2023 #Binance